如何为100000次迭代优化python循环？

我是python新手，我正在尝试编写一个函数，其描述如下： 我有一个整数列表。从这个列表中，我必须找到最大频率的项目并打印出来。 这看起来很直截了当，除非我有一个限制，即函数必须在10秒内完成执行，并且应该消耗<512 MB的内存。对于较短的列表长度，我的函数可以正常工作，但对于长度为100000的列表，它可以运行。我无法优化代码。 我有两个相同的实现：

实施1

def returnMaxFrequency(ar):
    freqList = []
    for val in ar:
        freq = ar.count(val)
        freqList.append(freq)
    return(max(freqList))

实施2

def returnMaxFrequency(ar):   
    freqDict = {x:ar.count(x) for x in ar}   
    maxFreq = max(freqDict.values())
    return maxFreq

乙二醇

---

使用NumPy在这里不是一个选项。无法使用外部包

返回列表中最常出现的值

---

返回列表中最常出现的值

---

两个实现基本相同，第二个实现只使用列表理解而不是for循环。这两种算法都在^2上，因为count在On上，并且您为每个值调用它n次

如果要优化，请将复杂性降低到On：

---

两个实现基本相同，第二个实现只使用列表理解而不是for循环。这两种算法都在^2上，因为count在On上，并且您为每个值调用它n次

如果要优化，请将复杂性降低到On：

---

最简单且速度合理的可能是内置计数器：

一种更快的方法，无需使用额外内存，但会破坏原始阵列，请参见，此处复制：

# Python program to find the maximum repeating number 

# Returns maximum repeating element in arr[0..n-1]. 
# The array elements are in range from 0 to k-1 
def maxRepeating(arr, n,  k): 

    # Iterate though input array, for every element 
    # arr[i], increment arr[arr[i]%k] by k 
    for i in range(0,  n): 
        arr[arr[i]%k] += k 

    # Find index of the maximum repeating element 
    max = arr[0] 
    result = 0
    for i in range(1, n): 

        if arr[i] > max: 
            max = arr[i] 
            result = i 

    # Uncomment this code to get the original array back 
    #for i in range(0, n): 
    #    arr[i] = arr[i]%k 

    # Return index of the maximum element 
    return result 

---

这段代码的一部分可以用更高性能的替代品来代替，特别是使用max函数而不是第二个循环。

最简单、速度相当快的可能是内置计数器：

一种更快的方法，无需使用额外内存，但会破坏原始阵列，请参见，此处复制：

# Python program to find the maximum repeating number 

# Returns maximum repeating element in arr[0..n-1]. 
# The array elements are in range from 0 to k-1 
def maxRepeating(arr, n,  k): 

    # Iterate though input array, for every element 
    # arr[i], increment arr[arr[i]%k] by k 
    for i in range(0,  n): 
        arr[arr[i]%k] += k 

    # Find index of the maximum repeating element 
    max = arr[0] 
    result = 0
    for i in range(1, n): 

        if arr[i] > max: 
            max = arr[i] 
            result = i 

    # Uncomment this code to get the original array back 
    #for i in range(0, n): 
    #    arr[i] = arr[i]%k 

    # Return index of the maximum element 
    return result 

这段代码的一部分可以替换为更高性能的替代代码，特别是使用max函数而不是第二个循环。

希望这有帮助

我们正在使用Python的高性能容器DataTypesCenter

计数器对您的号码进行频率映射，并创建了一个dict，一旦创建了dict，您就可以使用max来获取列表中的max freq

使用Dict是生成频率计数的有效方法，除非您选择分布式计算解决方案

注意：collections是一个python内置包，即随安装程序提供。不是外部库。

希望这有帮助

我们正在使用Python的高性能容器DataTypesCenter

计数器对您的号码进行频率映射，并创建了一个dict，一旦创建了dict，您就可以使用max来获取列表中的max freq

使用Dict是生成频率计数的有效方法，除非您选择分布式计算解决方案

注意：collections是一个python内置包，即随安装程序提供。不是外部库。

这个怎么样

max(ar.count(i) for i in ar)

还是这个

max(map(ar.count,ar))

这个怎么样

max(ar.count(i) for i in ar)

还是这个

max(map(ar.count,ar))

---

第二个工具很好，但是在dict中，将ar更改为setar，并且它只会检查每个项目一次：

def returnMaxFrequency(ar):   
    freqDict = {x:ar.count(x) for x in set(ar)}   
    maxFreq = max(freqDict.values())
    return maxFreq

---

第二个工具很好，但是在dict中，将ar更改为setar，并且它只会检查每个项目一次：

def returnMaxFrequency(ar):   
    freqDict = {x:ar.count(x) for x in set(ar)}   
    maxFreq = max(freqDict.values())
    return maxFreq

---

---

看看numba。@DiptangsuGoswami有人提到不能使用外部软件包可以使用内置模块吗？这里提供的答案在哪些方面不能解决您的问题：这尤其是：可能与numba重复。@DiptangsuGoswami有人提到不能使用外部软件包可以使用内置模块吗模块？此处提供的答案在哪些方面不能解决您的问题：这尤其是：您可以使用集合跳过dict初始化。defaultdict.defaultdict不需要跳过字典初始化。dict.getkey，[default=0]将执行。您可以使用集合跳过dict初始化。不需要使用defaultdict.defaultdict跳过字典初始化。dict.getkey，[default=0]will-do他写道他甚至不能使用numpy，因为他不能使用外部package@Aryerez-它是内置包。这里有一个链接供您参考——关于高性能容器数据类型：计数器是用Python实现的，它的性能并不比dict解决方案更好，只是更具可读性和简洁性。不过，这比任何涉及计数的解决方案都要快得多。@Amadan-谢谢！你能证明dict的性能是否比计数器快吗？@Amadan我只是重新运行了中给出的计时，看起来计数器实际上比基于dict和defaultdict的解决方案快，最近的Python版本使用v3.6.7对此进行了测试。他写道，他甚至不能使用numpy，因为他不能使用外部命令package@Aryerez-它是内置包。这里有一个链接供您参考——关于高性能容器数据类型：计数器是用Python实现的，它的性能并不比dict解决方案j更高

---

更具可读性和简洁性。不过，这比任何涉及计数的解决方案都要快得多。@Amadan-谢谢！你能证明dict的性能是否比计数器快吗？@Amadan我只是重新运行了中给出的计时，看起来计数器实际上比基于dict和defaultdict的解决方案快，最近的Python版本使用v3.6.7对此进行了测试。他写道，他甚至不能使用numpy，因为他不能使用外部命令package@Aryerez：集合不是外部集合他写道，他甚至不能使用numpy，因为他不能使用外部命令package@Aryerez：collections不是外部包。需要添加的是，它具有可怕的算法复杂性。需要添加的是，它具有可怕的算法复杂性。多次迭代输入列表的解决方案较差。迭代输入的解决方案不止一次的列表都是劣质的。

def returnMaxFrequency(ar):   
    freqDict = {x:ar.count(x) for x in set(ar)}   
    maxFreq = max(freqDict.values())
    return maxFreq